CN104121850A - 一种郁闭度的测定方法和装置 - Google Patents

Abstract

本发明的实施例提供了一种郁闭度的测定方法和装置，可解决现有技术成本高、精度低的问题。该方法包括：获得树冠投影的图像；将图像转换成灰度图像；统计灰度图像中各个灰度级的像素数；根据各个灰度级的像素数确定郁闭度。根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。

Description

一种郁闭度的测定方法和装置

技术领域

本发明涉及一种森林经理和森林经营领域，尤其涉及一种郁闭度的测定方法和装置。 

背景技术

郁闭度是反映森林结构和森林环境的一个重要因子，在水土流失、水源涵养、林分质量评价、森林景观建设等方面有广泛的应用，同时它是森林经营中小班区划、确定抚育采伐强度、判定是否为森林的重要因子。 

所谓的郁闭度是有林地或疏林地样地内乔木树冠垂直投影覆盖面积与样地面积之比，它表示了树冠的闭锁程度。郁闭度测定方法很多，最典型且常用的有对角线法、棱镜法、冠层分析法、方格法，下面对这些方法进行简单描述。 

对角线法是沿着样地的2条对角线每隔一定距离抬头仰望，上方是树冠则增加计数1，否则不计数，最后统计有树冠的点数占全部点数的百分数就是该样地的郁闭度。本法简单但是调查员抬头看上方，很难保证是垂直正上方，不同调查员可能产生不同的结果，同时如果是观测株行距固定的人工林，可能产生较大误差。 

棱镜法是对角线法的改进，把抬头仰望改成通过水平观看一个专用棱镜来判断是否为树冠部分。由于人眼水平观看比垂直观看容易掌握，有利于消除个人间的测定误差，但是棱镜法因为观看的是一点或者是很小的一个范围，如果刚好是一个小林窗或者一片树叶，则可能造成很大误差；同样在规则株行距人工林中可能产生较大误差。 

冠层分析法是通过取样地的图片，然后分析计算出该样地的郁闭度。该法 通常使用鱼眼镜头，这需要额外的支出且很难实现所见所得；更主要的是，如果冠层影像对比度太大则冠层分析法误差较大，因此，为了能够得到光线适宜的冠层影像，通常要求在日出日落前后或者阴天等场合摄影。显然，这种规定调查时间的做法给调查员带来了很大的不便，制约了该方法的应用。 

方格法是把透明方格纸或胶片放置在样地影像（通常是航片或卫片）上，统计树冠方格数占样地全部方格数的比例。该法测定并计算出郁闭度的精度与方格大小有关，方格越小精度越高，显然，差数方格所需要的时间也越长。在目前条件下，该法的最大困难是获取样地影像数据可能需要额外的资金支出，且很难实时获取样地影像。 

综上所述，目前常用的各种郁闭度测定法都存在很多缺陷。随着人们对更加准确郁闭度数值获取需要的增加，急需一种成本低、易操作、精度高的测量仪器或者方法。 

发明内容

本发明的实施例提供了一种郁闭度的测定方法和装置，可解决现有技术成本高、精度低的问题。 

本发明的实施例提供了一种确定郁闭度的方法，包括：获得树冠投影的图像；将图像转换成灰度图像；统计灰度图像中各个灰度级的像素数；根据各个灰度级的像素数确定郁闭度。 

所述根据各个灰度级的像素数确定郁闭度具体包括： 

按照组间方差法确定分割阈值； 

遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数； 

计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。 

所述按照组间方差法确定分割阈值具体包括： 

设图像各灰度级的概率为p_i(i=1,…,255)，其中p_i=第i级灰度像素数/各 灰度级像素总和；以m为界把灰度级分成G₁、G₂两组，则G₁组的概率和x₁与灰度平均值y₁分别为 

$x_1={\mathrm{\Σ}}_{i=0}^m{p}_i---\left(1\right)$

$y_1={\mathrm{\Σ}}_{i=0}^m\frac{{\mathrm{ip}}_i}{x_1}---\left(2\right)$

G₂组的概率和x₂与平均值y₂分别为 

$x_2={\mathrm{\Σ}}_{i=m+1}^{255}{p}_i---\left(3\right)$

$y_2={\mathrm{\Σ}}_{i=m+1}^{255}\frac{{\mathrm{ip}}_i}{x_2}---\left(4\right)$

于是，图像的灰度平均值y 

$y={\mathrm{\Σ}}_{i=1}^2{x}_i{y}_i---\left(5\right)$

G1、G2组间方差σ 

$\mathrm{\σ}={\mathrm{\Σ}}_{i=1}^2{x}_i{(y_i-y)}^2=x_1{x}_2{(y_1-y_2)}^2---\left(6\right)$

用使σ达到最大时的m值作为分割阈值。 

所述根据各个灰度级的像素数确定郁闭度具体包括： 

按照组间组内方差结合法确定分割阈值； 

遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数； 

计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。 

所述按照组间组内方差结合法确定阈值具体包括： 

设图像各灰度级的概率为p_i(i=1,…,255)，其中p_i=第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G₁、G₂两组，则G₁组的概率和x₁与灰度平均值y₁分别为 

$x_1={\mathrm{\Σ}}_{i=0}^m{p}_i---\left(1\right)$

$y_1={\mathrm{\Σ}}_{i=0}^m\frac{{\mathrm{ip}}_i}{x_1}---\left(2\right)$

G₂组的概率和x₂与平均值y₂分别为 

$x_2={\mathrm{\Σ}}_{i=m+1}^{255}{p}_i---\left(3\right)$

$y_2={\mathrm{\Σ}}_{i=m+1}^{255}\frac{{\mathrm{ip}}_i}{x_2}---\left(4\right)$

于是，图像的灰度平均值y 

$y={\mathrm{\Σ}}_{i=1}^2{x}_i{y}_i---\left(5\right)$

G₁、G₂组间方差σ 

$\mathrm{\σ}={\mathrm{\Σ}}_{i=1}^2{x}_i{(y_i-y)}^2=x_1{x}_2{(y_1-y_2)}^2---\left(6\right)$

对G1、G₂两组分别引入组内方差，下面分别为G1组内方差和G2组内方差： 

${\mathrm{\σ}}_1=\frac{1}{x_1}{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i---\left(7\right)$

${\mathrm{\σ}}_2=\frac{1}{x_2}{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i---\left(8\right)$

定义计算函数t， 

$t=\frac{\mathrm{\σ}}{{\mathrm{\σ}}_1+{\mathrm{\σ}}_2}=\frac{x_1^2{x}_2^2{(y_1-y_2)}^2}{x_2{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i+x_1{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i}---\left(9\right)$

取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。 

本发明实施例还提供了一种测定郁闭度的装置，包括：图像获得单元，用于获得树冠投影的图像；转换单元，用于将图像转换成灰度图像；统计单元，用于统计灰度图像中各个灰度级的像素数；确定单元，用于根据各个灰度级的像素数确定郁闭度。 

所述确定单元包括：第一阈值确定单元，用于按照组间方差法确定分割阈值；计算单元，用于遍历灰度图像中所有像素，如果某像素的灰度值小于分割 阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。 

所述确定单元具体包括：第二阈值确定单元，用于按照组间组内方差结合法确定分割阈值；计算单元，遍历灰度图像中所有像素，如果某像素的灰度级值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。 

根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。 

附图说明

图1示出了本发明实施例的测定郁闭度的流程； 

图2示出了本发明实施例的测定郁闭度的装置； 

图3a和图3b示出了样地的测点。 

具体实施方式

为了便于本领域一般技术人员理解和实现本发明，现结合附图描绘本发明的实施例。 

实施例一 

郁闭度是样地内乔木树冠垂直投影覆盖面积与样地面积之比，假想把地面“平移”到树稍位置，则“地面”由树冠覆盖部分和没有覆盖部分（即空隙）组成，获取上部空间图像，然后统计树冠覆盖部分大小，则其占整张图像面积的百分比就是摄影所及范围内的郁闭度。更为直接的考虑方法，用像机垂直向上摄影形成的图像，是冠层空间微缩在图像平面上，它由树冠和林冠空隙两部 分形成的图像和，而图像中树冠影像面积与整张图像面积的比值与相应的树冠面积与林地面积比值是相等的，因此，问题转化为分割提取图像中的树冠影像部分，其所占整张图像的比例就是以摄影点为中心的郁闭度。 

如图1所示，本实施例提供了一种测定郁闭度的方法，包括如下步骤： 

步骤101、获得树冠投影的图像；可用照像设备连续摄影多张（如3张），以对获得的多张图像平滑。 

步骤102、将图像转换成灰度图像，如，把可见光彩色图像转变为256级灰度图像，每一灰度级对应一个灰度值，在本实施例中，将图像划分为256级灰度值，灰度级的值越小，其表示的像素点越暗；否则反之。 

步骤103、统计灰度图像中各个灰度级的像素数； 

步骤104、根据各个灰度级的像素数测定郁闭度，它包含两方面工作：首先确定分割阈值；然后根据此分割阈值判断图像中的树冠与天空部分，进而计算郁闭度。 

下面分别介绍上述各个步骤。 

在步骤104中，可采用图像分割方法实现，即，将图像分割为各个灰度级，然后根据各个灰度级的像素数确定郁闭度。在本实施例中，优选地，采用组间方差法确定郁闭度。下面描述采用组间方差法确定郁闭度的过程。 

设图像各灰度级的概率为p_i(i=1,…,255)，其中p_i=第i级灰度像素数/各灰度级像素总和。以m为界把灰度级分成G₁、G₂两组，则G₁组的概率和x₁与灰度平均值y₁分别为： 

$x_1={\mathrm{\Σ}}_{i=0}^m{p}_i---\left(1\right)$

$y_1={\mathrm{\Σ}}_{i=0}^m\frac{{\mathrm{ip}}_i}{x_1}---\left(2\right)$

G₂组的概率和x₂与平均值y₂分别为 

$x_2={\mathrm{\Σ}}_{i=m+1}^{255}{p}_i---\left(3\right)$

$y_2={\mathrm{\Σ}}_{i=m+1}^{255}\frac{{\mathrm{ip}}_i}{x_2}---\left(4\right)$

于是，图像的灰度平均值y 

$y={\mathrm{\Σ}}_{i=1}^2{x}_i{y}_i---\left(5\right)$

G₁、G₂组间方差σ 

$\mathrm{\σ}={\mathrm{\Σ}}_{i=1}^2{x}_i{(y_i-y)}^2=x_1{x}_2{(y_1-y_2)}^2---\left(6\right)$

用使σ达到最大时的m作为分割阈值来分割图像，对于很多图像都能够较好的区分前景和背景。 

遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数。计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。 

为适应自然状态下复杂林业图像中树冠前景和背景的分割以及降低在植物叶缘光衍射对分割结果的影响，本实施例中，优先选择在组间方差的基础再引入组内方差，即采用组间组内方差结合法确定郁闭度，下面描述采用组间组内方差结合法确定郁闭度的过程。 

在公式(1)-(6)的基础上，引入G1和G2两个组的组内方差，G1和G2两个组的组内方差为： 

${\mathrm{\σ}}_1=\frac{1}{x_1}{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i---\left(7\right)$

${\mathrm{\σ}}_2=\frac{1}{x_2}{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i---\left(8\right)$

定义计算函数t， 

$t=\frac{\mathrm{\σ}}{{\mathrm{\σ}}_1+{\mathrm{\σ}}_2}=\frac{x_1^2{x}_2^2{(y_1-y_2)}^2}{x_2{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i+x_1{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i}---\left(9\right)$

达到最大时的t作为分割阈值，即灰度小于t的像素为冠层部分，否则是非树冠部分能够得到更加接近实际的分割效果，通过大量测试，效果良好。 

遍历灰度图像中所有像素，如果某像素灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数。计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。 

下面是采用C++代码获得郁闭度的过程。 

函数Segment是搜获取值m的C++代码。 

实施例二 

本实施例提供了一种测定郁闭度的装置，包括：图像获得单元，用于获得树冠投影的图像；转换单元，用于将图像转换成灰度图像；统计单元，用于统计灰度图像中各个灰度级的像素数；确定单元，用于根据各个灰度级的像素数确定郁闭度。 

所述确定单元包括：第一阈值确定单元，用于按照组间方差法确定分割阈值；计算单元，用于遍历灰度图像中所有像素：如果某像素值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。 

所述确定单元还具体包括：第二阈值确定单元，用于按照组间组内方差结合法确定分割阈值；计算单元，遍历灰度图像中所有像素：如果某像素值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是本张图像所代表林地的郁闭度。 

本实施例的各个单元的工作原理可参见实施例一的描述。 

为了更准确地获得某一林地的郁闭度，可在林地中选择样地，并在样地中设多个测点，在该测点处获得冠层图像。具体如下，将样地设置为矩形或圆形等形状，然后在样地中选择多个测点，在每一测点获得冠层图像，对每一冠层图像进行分析处理，以确定平均郁闭度。图3a为矩形样地，图3b为圆形样地，如图3a和图3b所示，除了样地中心作为测点⑤外在，还要在样地中心周围再选择4个（或更多）点④、③、②、①，然后用这5个（或多个）点的平均值作为样地平均郁闭度的估计值。 

根据本发明实施例，可利用既有的带有计算功能的照像设备，如智能手机、IPAD、照相机+计算机等，将本发明的方法植入上述设备中，就可实现本发明的功能。因此，在不增加额外硬件的情况下，通过控制软件从图像分析角度获取林分郁闭度，操作简单并实现了所见所得，精度高、速度快，极其适用于当今的野外森林调查工作。 

虽然通过实施例描绘了本发明，但本领域普通技术人员知道，在不脱离本发明的精神和实质的情况下，就可使本发明有许多变形和变化，本发明的范围由所附的权利要求来限定。 

Claims (8)

1.一种确定郁闭度的方法，其特征在于，包括：

获得树冠投影的图像；

将图像转换成灰度图像；

统计灰度图像中各个灰度级的像素数；

根据各个灰度级的像素数确定郁闭度。

2.根据权利要求1所述的方法，其特征在于，所述根据各个灰度级的像素数确定郁闭度具体包括：

按照组间方差法确定分割阈值；

遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；

计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。

3.根据权利要求2所述的方法，其特征在于，所述按照组间方差法确定分割阈值具体包括：

设图像各灰度级的概率为p_i(i=1,…,255)，其中p_i=第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G₁、G₂两组，则G₁组的概率和x₁与灰度平均值y₁分别为

$x_1={\mathrm{\Σ}}_{i=0}^m{p}_i---\left(1\right)$

$y_1={\mathrm{\Σ}}_{i=0}^m\frac{{\mathrm{ip}}_i}{x_1}---\left(2\right)$

G₂组的概率和x₂与平均值y₂分别为

$x_2={\mathrm{\Σ}}_{i=m+1}^{255}{p}_i---\left(3\right)$

$y_2={\mathrm{\Σ}}_{i=m+1}^{255}\frac{{\mathrm{ip}}_i}{x_2}---\left(4\right)$

于是，图像的灰度平均值y

$y={\mathrm{\Σ}}_{i=1}^2{x}_i{y}_i---\left(5\right)$

G1、G2组间方差σ

$\mathrm{\σ}={\mathrm{\Σ}}_{i=1}^2{x}_i{(y_i-y)}^2=x_1{x}_2{(y_1-y_2)}^2---\left(6\right)$

用使σ达到最大时的m值作为分割阈值。

4.根据权利要求1所述的方法，其特征在于，所述根据各个灰度级的像素数确定郁闭度具体包括：

按照组间组内方差结合法确定分割阈值；

遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；

计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。

5.根据权利要求4所述的方法，其特征在于，所述按照组间组内方差结合法确定阈值具体包括：

设图像各灰度级的概率为p_i(i=1,…,255)，其中p_i=第i级灰度像素数/各灰度级像素总和；以m为界把灰度级分成G₁、G₂两组，则G₁组的概率和x₁与灰度平均值y₁分别为

$x_1={\mathrm{\Σ}}_{i=0}^m{p}_i---\left(1\right)$

$y_1={\mathrm{\Σ}}_{i=0}^m\frac{{\mathrm{ip}}_i}{x_1}---\left(2\right)$

G₂组的概率和x₂与平均值y₂分别为

$x_2={\mathrm{\Σ}}_{i=m+1}^{255}{p}_i---\left(3\right)$

$y_2={\mathrm{\Σ}}_{i=m+1}^{255}\frac{{\mathrm{ip}}_i}{x_2}---\left(4\right)$

于是，图像的灰度平均值y

$y={\mathrm{\Σ}}_{i=1}^2{x}_i{y}_i---\left(5\right)$

G₁、G₂组间方差σ

$\mathrm{\σ}={\mathrm{\Σ}}_{i=1}^2{x}_i{(y_i-y)}^2=x_1{x}_2{(y_1-y_2)}^2---\left(6\right)$

对G1、G₂两组分别引入组内方差，下面分别为G1组内方差和G2组内方差：

${\mathrm{\σ}}_1=\frac{1}{x_1}{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i---\left(7\right)$

${\mathrm{\σ}}_2=\frac{1}{x_2}{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i---\left(8\right)$

定义计算函数t，

$t=\frac{\mathrm{\σ}}{{\mathrm{\σ}}_1+{\mathrm{\σ}}_2}=\frac{x_1^2{x}_2^2{(y_1-y_2)}^2}{x_2{\mathrm{\Σ}}_{i=0}^m{(i-y_1)}^2{p}_i+x_1{\mathrm{\Σ}}_{i=m+1}^{255}{(i-y_2)}^2{p}_i}---\left(9\right)$

取使t达到最大时的值作为分割阈值，即使t达到最大时的值灰度作为分割阈值。

6.一种测定郁闭度的装置，其特征在于，包括：

图像获得单元，用于获得树冠投影的图像；

转换单元，用于将图像转换成灰度图像；

统计单元，用于统计灰度图像中各个灰度级的像素数；

确定单元，用于根据各个灰度级的像素数确定郁闭度。

7.根据权利要求6所述的装置，其特征在于，所述确定单元包括：

第一阈值确定单元，用于按照组间方差法确定分割阈值；

计算单元，用于遍历灰度图像中所有像素，如果某像素的灰度值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。

8.根据权利要求6所述的方法，其特征在于，所述确定单元具体包括：

第二阈值确定单元，用于按照组间组内方差结合法确定分割阈值；

计算单元，遍历灰度图像中所有像素，如果某像素的灰度级值小于分割阈值，表示该像素是树冠图像，计数1，否则认为是林冠空隙图像，不计数；计数总和与图像像素总数的比值就是该图像所代表林地的郁闭度。